DeepMind以光学相干断层扫描视网膜图像

DeepMind以光学相干断层扫描（Optical coherence tomography，OCT）视网膜图像，进行眼睛疾病诊断的机器学习训练，该产品由DeepMind和英国Moorfields眼科医院合作，可进行OCT视网膜图像实时分析，并透过AI判读患病紧急程度与诊断结果，但此人工智能系统产品原型尚处试量产阶段。

透过OCT图像进行机器学习，较能达成具眼睛疾病诊断功能的AI系统

截至2017年，美国FDA核准的AI医疗影像软件医材仅个位数，2018年增至11项，多数产品以「辅助诊断」为主，其中仅有IDx-DR是无需临床医生就能提供糖尿病视网膜病变医疗「诊断」功能的AI系统。OCT是目前医院眼科进行眼部疾病诊断的主要依据，相较眼底镜，OCT能提供微米等级的更高分辨率和三维眼底细节图像。

不同于DeepMind与IDx，百度也尝试将AI导入眼部疾病的辅助诊断，但百度是透过眼底镜图像进行算法训练，藉此判读疑似病灶的位置与疾病风险，然眼底镜图为二维图像，仅靠眼底镜图像无法准确厘清病灶形状、大小与准确位置等问题，尚须倚赖OCT，因此眼底镜于AI医疗影像应用较难达成疾病的诊断功能。

具备医疗诊断功能的AI技术尚难以取代医生专业

DeepMind透过Moorfields提供近1.5万份OCT扫描图像，且有医生辅助进行病变区域标记，使其算法开发可掌握海量、有效且干净的数据，跨越最关键步骤。AI影像产品要能提供诊断功能，需产生可信且准确的分析结果，据2018年发表于研究成果，经DeepMind算法判断患者疾病紧急程度的准确度与专科医生相差不远，表示其诊断结果尚未超越医生的专业，这也显示AI技术距离取代医生诊断功能还相当遥远。

事实上具备医疗诊断功能的AI技术目前较难普及，除法规限制、多数影像设备售价昂贵，加上AI分析尚属先进技术外，若未能与AI兼容则需采买新设备，增加相关建置成本，且AI导入若无法达到实质性的辅助筛检，或其诊断效果未被专业人员认可，则难以被医院采用。

就现阶段来讲，具备医疗诊断功能的AI分析技术，若未与特定医院或设备商合作，其适用途径多半还是以偏乡医疗与非专科项目的应用为主，但也需考量相关设备建置成本与售价是否为偏远区域医疗院所可负担的范围。